NEDOと連名機関10者は2026年5月28日、医療現場の事務作業を支援する高性能な日本語LLM（大規模言語モデル）を開発したと発表した。医療機関のオンプレミス環境や国内クラウド環境など、患者情報を安全に管理できる環境で運用できながら、世界最先端の商用LLMに迫る性能を実現した。連名機関にはさくらインターネット・東京大学・ABEJA・理化学研究所・国際医療福祉大学・藤田医科大学・東京科学大学・九州大学・ヘリオスが名を連ねる。

医療機関がAIを活用する際には3つの構造的課題があった。第1に、一般的なAIサービスの多くは患者情報が国外サーバや外部事業者の管理下で処理されるため、医療機関側で情報の所在を把握しづらい。第2に、医療機関ごとに用語やコード体系が異なり、データの相互運用性が確保されていない。第3に、医療現場でのLLM活用にあたっての安全性基準が未整備で、導入判断のよりどころが乏しかった。本事業はこれらの課題に対し、LLM開発・安全性検証・ユースケース検証の3点に取り組んだ。

性能面の成果は明確だ。公開されているオープンなLLMをベースに、日本の診療ガイドラインや専門医試験問題などを学習させた追加学習モデルを開発した。専門医試験を模した学術試験では、外部文書を参照するRAG方式を用いて最大90.8%の正答率に到達し、比較対象とした主要商用LLM（91.4%）に迫る水準に達した。診療ガイドラインに沿った応答を評価する指標では、ベースモデル比で最大10.8ポイントの性能向上を確認した。さらに独自アーキテクチャによる国産フルスクラッチ開発モデルも構築し、将来の国産基盤モデル開発に向けた技術的知見を蓄積した。

安全性検証も多面的だ。学習データの患者情報がLLMに記憶されるリスクの定量評価手法の確立、患者情報の自動検出・マスキング機能の実装、5万件超の対話型安全性ベンチマークの策定・公開、6000件規模のレッドチーミング（攻撃耐性試験）を実施した。検証の結果、追加学習後もベースモデルと同等の高い安全性を維持できることを確認する一方、ベースとなるLLMの選択が安全性を大きく左右することも明らかになった。

ユースケース検証では、検査名称からJLAC11コードへの自動変換（最大80.3%）、脳卒中レジストリ構築での症例データ自動整理（92.2%）、退院時サマリーの下書き作成（5点満点で4.748、商用LLM相当）、電子カルテへの自然言語問い合わせの4点で技術的実現可能性を検証した。これらはいずれも医療従事者の事務・文書作業を補助するもので、診断・治療そのものではなく、最終判断は医師が行う。

本研究開発で得られた医療業務支援向けLLMは、医療現場の業務効率化および医療の質向上に資することを目指し、今後、関係機関と連携しながら段階的に社会実装が進められる予定だ。社会実装にあたっては安全性・信頼性の確保を最優先に取り組むとともに、医療機関をはじめとする関係機関との対話を重ねながら進めるとしている。なお、LLMが扱える医療情報には診断・治療を行わせないという前提があり、開発されたモデルはあくまで医療従事者の事務・文書作業を補助する位置づけとなる。

関連情報

プレスリリース：https://www.nedo.go.jp/news/press/AA5_101936.html

《お知らせ》
PEAKS MEDIAのLinkedinページを開設しました。最新記事の概要をキャッチアップできます。
フォローはこちらから